본 논문은 이상적인 소스 분리와 실제 음악 제작 간의 차이를 해결하는 새로운 과제인 음악 소스 복원(MSR)을 제시합니다. 기존의 음악 소스 분리(MSS) 방법은 믹스가 소스의 단순 합이라고 가정하지만, 이퀄라이징, 컴프레션, 리버브와 같은 음악 제작 과정에서 사용되는 신호 저하를 무시합니다. MSR은 개별적으로 저하된 소스의 저하된 합으로 믹스를 모델링하여 원래의 저하되지 않은 신호를 복원하는 것을 목표로 합니다. MSR을 위한 데이터 부족으로 인해, 본 논문은 8개의 주요 악기 그룹과 17개의 보조 악기 그룹으로 구성된 미처리 소스 신호로 주석이 달린 578곡의 노래로 구성된 RawStems 데이터셋을 제시합니다. RawStems는 계층적 범주를 포함하는 최초의 미처리 음악 스템 데이터셋입니다. 스펙트럼 필터링, 다이내믹 레인지 컴프레션, 하모닉 왜곡, 리버브, 손실 코덱을 가능한 저하 요소로 고려하고, U-Former를 기준 방법으로 설정하여 데이터셋에서 MSR의 실현 가능성을 보여줍니다. RawStems 데이터셋 주석, 저하 시뮬레이션 파이프라인, 훈련 코드 및 사전 훈련된 모델을 공개적으로 제공합니다.
